第五章 遥感图像处理—图像增强

成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和 时相分辨率，如果能将它们各自的优势综合起来，可以 弥补单一图像上信息的不足，这样不仅扩大了各自信息 的应用范围，而且大大提高了遥感影像分析的精度。
通过灰度直方图可以直观地了解图像的特性。
二、图像对比度增强——反差增强
主要通过改变图像灰度分布态势，扩展灰度分布区间，达到 增加反差的目的。 1、线性增强
若增强前后灰度函数关系符合以下线性关系式，则称为 线性增强，也称“线性拉伸”：
g 'ij kgij b
g 'ij kgij b
假彩色图像
假彩色图像是指图像上影像的色调与实际地物色调 不一致的图像。 遥感中最常见的假彩色图像是彩色红外合成的标准 假彩色图像。它是在彩色合成时，把近红外波段的 影像作为合成图像中的红色分量、把红色波段的影 像作为合成图像中的绿色分量、把绿色波段的影像 作为合成图像中的蓝色分量进行合成的结果。 如TM432合成RGB的图像为标准假彩色图像。
2）某些图像，ຫໍສະໝຸດ Baidu直方图有高峰，经处理后对比度不自然的 过分增强。
(a)LENA原图
（b）直方图均衡化后的效果图
(c)原始图象的直方图
（d）均衡化后的直方他图
三、空间滤波
对比度扩展的辐射增强：通过单个像元的运算从整体 上改善图像的质量。
空间滤波：以重点突出图像上的某些特征为目地的采
用空间域中的邻域处理方法。属于几何增强处理，主要包 括平滑和锐化。
密度进行分层，每一层所包含的亮度值范围可以不
同。
图像密度分割原理可以按如下步骤进行：
（1）求图像的极大值dmax和极小值dmin； （2）求图像的密度区间ΔD = dmax-dmin + 1； （3）求分割层的密度差Δd =ΔD／n ，其中 n为需分割的层数；
（4）求各层的密度区间；
（5）定出各密度层灰度值或颜色。
2 -1 -1 0 (x,y) (x,y+1) (x+1,y+1)
⊕
(x+1,y)
模板可以根据需要设计成各种不同权和大小 以下是常用的锐化算子:
Roberts算子：G[i,i]=|f[i,j]-f[i+1,j+1]|+|f[i+1,j]-f[i,j+1]|;
1 0 0 -1 0 -1 0
+
1
Sobel 算子：G[i,i]=|f[i-1,j+1]+2f[i,j+1]+f[i+1,j+1]-f[i-1,j-1]2f[i,j-1]-f[i+1,j-1]|+|f[i-1,j-1]+2f[i-1,j]+f[i-1,j+1]-f[i+1,j-1]2f[i+1,j]-f[i+1,j+1]|;
减法运算可以增加不同地物间光谱反射率以及在 两个波段上变化趋势相反时的反差。不同时相同 一波段图像相减时，可以提取波段间的变化信息。
T M 4 影 像
T M 3 影 像
TM4-TM3影像
87 年 影 像
92 年 影 像 变化监测结果影像
（二）加法运算
B= i /m
i=1 m
加法运算可以加宽波段，如绿色波段和红色波 段图像相加可以得到近似全色图像；而绿色波 段，红色波段和红外波段图像相加可以得到全 色红外图像。
g 'ij gij
为增强后灰度值； 为增强前灰度值；
k为斜率k g 'max g 'min /( gmax gmin )
b 为常数 b g 'min kgmin
举例：某地TM图像，增强前灰度最大值为62，最小 值为10，选择0-255灰度级进行线性变换，则变换函 数为：
g 'ij 4.9 gij 49
（2）多波段彩色变换
加色法彩色合成原理---选择遥感影像的某三个
波段---分别赋予红、绿、蓝三种原色---合成彩色影 像。
真彩色图像
真彩色图像上影像的颜色与地物颜色基本一致。 利用数字技术合成真彩色图像时，是把红色波段的 影像作为合成图像中的红色分量、把绿色波段的影 像作为合成图像中的绿色分量、把蓝色波段的影像 作为合成图像中的蓝色分量进行合成的结果。 如TM321分别合成RGB形成真彩色图像。
NDVI=（TM4-TM3）/（TM4+TM3） 变换NDVI（TNDVI） ：
TNDVI=(NDVI+0.5)1/2
归 一 化 差 分 植 被 指 数
六、多光谱变换
多光谱变换通过函数变换，达到保留主要信息， 降低数据量；增强或提取有用信息的目的。其变换 的本质：对遥感图像实行线性变换，使多光谱空间
的坐标系按一定规律进行旋转。
K—L变换（主成分变换）
从一个多维空间到另一正交多维空间的变换，即多波段图像的线性变换。 Y=AX 特点：变换后的坐标系与变化前的坐标系相比旋转了一个角度。 原始数据为二维数据，两个分量x1、x2之间存在相关性，具有如图所示 的分布。通过投影，各数据可以表示为y1轴上的一维点数据。从二维空间中 的数据变成一维空间中的数据会产生信息损失，为了使信息损失最小，必须 按照使一维数据的信息量(方差)最大的原则确定y1轴的取向，新轴y1称作第一 主成分。为了进一步汇集剩余的信息，可求出与第一轴y1正交、且尽可能多 地汇集剩余信息第二轴y2，新轴y2称作第二主成分。
1/9
1/9 1/9
1/9
1/9 1/9
a d g
b e h
c f i
A⊕B
g(x，y)=（a+b+c+d+e+f+g+h+i)/9
算子或模板大小、权可根据具体情况进行设计， 设计不同的模板时，注意模板中各数值之和为1， 即有平均的意思。
1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9
直方图均衡化处理的“中心思想”是将随机分 布的图像直方图修改成均匀分布的直方图，直方图 均衡化就是对图像进行非线性拉伸，重新分配图像 像元值，是一定灰度范围内的像元数量大致相同。 直方图均衡化就是把给定图像的直方图分布改变成 “均匀”分布直方图分布。
直方图均衡化
直方图均衡化存在着两个缺点： 1）变换后图像的灰度级减少，某些细节消失；
n，m s
f n，m
式中：g(x，y)为点(x，y)平滑后的灰度值；
f(n，m)为S集合中各像元的灰度值； S 是点(x，y)邻域中的坐标的集合； M 是集合S中像元的总数；
n，m 领域S 的行数和列数。
点（x,y）的邻域 ：
(x,y)
(x,y)
邻域平滑的卷积运算：
1/9
1/9 1/9
给定一个函数f(X，Y)，在坐标(X，Y)上的梯度 定义为一个矢量：
f X G f X，Y f Y
梯度的模为：
f f G f X，Y Y X
2 2
12
数字图像微分，用差分近似表示：
|G*ƒ(x¸y)+|=,*ƒ(x¸y)- ƒ(x+1¸y)+2+ *ƒ(x¸y)- ƒ(x¸y+1)+2}1/2
用绝对值表示为： |G*ƒ(x¸y)+|= |*ƒ(x¸y)- ƒ(x+1¸y) | + |*ƒ(x¸y)- ƒ(x¸y+1)+ |
用模板和图像的空间卷积来进行锐化运算为：
图像平滑处理
图像平滑的目的在于消除各种干扰噪声， 使图像中高频成分消退，即平滑掉图像的细节， 使其反差降低，保存低频成分。图像平滑包括 空间域处理和频率域处理两大类。
原图
平滑处理后的图
邻域平均法
在空间域处理中，是对邻区窗口内的图像区域积分。对于离散 的数字图像其平滑公式为：
1 g x，y M
【TM（1+2+3+4+5+7）/ 6】的加法影像
（三）乘法运算
1/m B=[ ] i=1 I
m
（四）比值运算
Ｂ＝Ｂx／Ｂy
比值运算能压抑因地形坡度和方向引起的辐射量变化，消
除地形起伏的影响；也可以增强某些地物之间的反差。
TM4/TM3的比值影像
（五）混合运算
归一化差分植被指数（NDVI）：
其中：
k ( g 'max g 'min ) /( gmax gmin ) 255/ 52 4.9
b g 'ij kgij 0 49 49
2、非线性拉伸
（1）指数变换
xb be
（2）对数变换
axa
c
xb b lg(axa 1) c
（3）直方图均衡化
第五章 遥感图像处理—图像增强
遥感图像增强是为特定目的，突出遥
感图像中的某些信息，削弱或除去某些不
需要的信息，使图像更易判读。图像增强
的实质是提高图像质量和突出所需信息，
从而有利于分析判读或进一步处理。
一、灰度直方图
图像灰度直方图反映了一幅图像中灰度级与 其出现概率之间的关系，用平面直角坐标系表示 图像像元灰度分布状态。 横轴表示灰度级， 纵轴表示灰度级为 gi的像元个数mi占 像元总数Ｍ的百分 比（Pi=mi/M)。将 Pi绘于图上，所形 成的统计直方图叫 灰度直方图。
(3) 变换后依然得到6个图像。其中：第一个图像反映亮 度特征，是原图像亮度的加权和；第二个图像表示绿度，反 映绿色生物量特征；第三个图像表示湿度，反映土壤的湿度
特征；其余三个分量与地物特征没有明确的对应关系。
七、多元信息复合
遥感图像信息融合(Fusion)是将多源遥感数据在统一的 地理坐标系中，采用一定的算法生成一组新的信息或合
-1 -2 -1 0 0 0 1 2 1 1 2 0 -2 1 0 -1
+
0 -1
四、彩色变换
不同的彩色变换可大大增强图像的可读性， 常用的三种彩色变换方法。 单波段彩色变换 多波段彩色变换 HSI变换
（1）单波段彩色变换（密度分割）
单波段黑白遥感图像按亮度分层，对每层赋予
不同的色彩，使之成为一幅彩色图像。即按图像的
1/16
1/8
1/16
1/8
1/16
1/4
1/8
1/8
1/16
中值滤波
即将每个象元在以其为中心的邻域内取中间 亮度值来代替该像元值，以达到去尖锐“噪声”和 平滑图像的目的。
图像锐化
锐化是增强图像中的高频成份，突出图像的 边缘信息，提高图像细节的反差，也称为边缘增 强，其结果与平滑相反。
空间域锐化是对邻区窗口内的图像微分。
Ｋ--Ｌ变换应用： (1) 数据压缩：去相关，主成分中第一主分量或前两个或前 三个主分量已包含该幅图像中的绝大多数地物信息。 (2)图像增强：前几个主分量信息多且信噪比大，噪声少， 最后分量几乎全是噪声，去掉最后分量可达到去噪目的。
Ｋ—T 变换( 缨帽变换 )
该变换也是一种坐标空间发生旋转的线性变换，不同的 是变换后的坐标轴不是指向主成分方向，而是指向与地面景 物有密切关系的方向，特别是与植物生长过程和土壤有关。 这种变换既可以实现信息压缩，又可以帮助解译分析农业特
征，因此有很大的实际应用意义 。
目前对这个变换的研究主要集中在MSS与TM两种遥感
数据的应用分析方面。
这种变换既可以实 现信息压缩，又可以帮 助解译分析农业特征， 因此这种变换着眼点在 于农作物生长过程而区 别于其他植被覆盖。
性质: (1) 仅适用于TM图像1~5、7波段的线性变换;
(2) 线性变换矩阵为6×6 的常数矩阵,而且是经验矩阵;
彩色合成的原理图
反射率ρ/%
（3）HSI变换
HSI代表色调、饱和度和明度（hue，
saturation，intensity）。色彩模式可以用近似 的颜色立体来定量化。颜色立体曲线锥形改 成上下两个六面金字塔状。
五、多光谱图像四则运算
（一）减法运算
Bm=BX－BY 其中BX，BY为两个不同波段的图像或者不同时相同 一波段图像。